Titre :	Mining the Web : discovering knowledge from hypertext data /
Type de document :	texte imprimé
Auteurs :	Soumen Chakrabarti
Editeur :	San Francisco, CA : Morgan Kaufmann Publishers
Année de publication :	2003
Importance :	1 vol. (344 p.)
Présentation :	ill.
Format :	25 cm
ISBN/ISSN/EAN :	978-1-55860-754-5
Catégories :	Informatique
Mots-clés :	Exploration de données Bases de données sur le Web
Index. décimale :	005.7 Données informatiques
Résumé :	Exploiter le Web: Découvrir les connaissances à partir de données hypertextes est le premier livre entièrement consacré aux techniques de production de connaissances à partir de l'ensemble des données Web non structurées. S'appuyant sur une enquête initiale sur les problèmes d'infrastructure - y compris le crawling et l'indexation sur le Web -, Chakrabarti examine les techniques d'apprentissage automatique de bas niveau en relation spécifique avec les défis de l'exploitation Web. Il consacre ensuite la dernière partie du livre à des applications qui font appel à l'infrastructure et à l'analyse de l'unité pour amener l'apprentissage machine à s'appuyer sur des données systématiquement acquises et stockées. Ici, l'accent est mis sur les résultats: les forces et les faiblesses de ces applications, ainsi que leur potentiel en tant que bases pour de nouveaux progrès. De son compte - minutieux, critique et tourné vers l'avenir - vous obtiendrez la compréhension théorique et pratique dont vous avez besoin pour renforcer votre propre rôle dans l'effort de minage Web. Caractéristiques Une exploration complète et critique des tentatives basées sur les statistiques pour donner du sens aux données Web. Détaille les défis particuliers associés à l'analyse des données non structurées et semi-structurées. Regarde comment les techniques classiques de recherche d'information ont été modifiées pour être utilisées avec des données Web. Se concentre sur les méthodes d'apprentissage dominantes actuelles: regroupement et classification, analyse d'hyperliens et apprentissage supervisé et semi-supervisé. Analyser les applications actuelles pour la découverte de ressources et l'analyse de réseaux sociaux. Un excellent moyen de présenter aux étudiants les applications particulièrement importantes de la technologie d'exploration de données et d'apprentissage automatique.
Note de contenu :	Sommaire Part I Infrastructure Crawling the Web Web search Part II Learning Similarity and clustering Supervised learning for text Semi-supervised learning Part III Applications Social network analysis Resource discovery The future of Web mining
Côte titre :	Fs/19797

Mining the Web : discovering knowledge from hypertext data / [texte imprimé] / Soumen Chakrabarti . - San Francisco, CA : Morgan Kaufmann Publishers, 2003 . - 1 vol. (344 p.) : ill. ; 25 cm.
ISBN : 978-1-55860-754-5

Catégories :	Informatique
Mots-clés :	Exploration de données Bases de données sur le Web
Index. décimale :	005.7 Données informatiques
Résumé :	Exploiter le Web: Découvrir les connaissances à partir de données hypertextes est le premier livre entièrement consacré aux techniques de production de connaissances à partir de l'ensemble des données Web non structurées. S'appuyant sur une enquête initiale sur les problèmes d'infrastructure - y compris le crawling et l'indexation sur le Web -, Chakrabarti examine les techniques d'apprentissage automatique de bas niveau en relation spécifique avec les défis de l'exploitation Web. Il consacre ensuite la dernière partie du livre à des applications qui font appel à l'infrastructure et à l'analyse de l'unité pour amener l'apprentissage machine à s'appuyer sur des données systématiquement acquises et stockées. Ici, l'accent est mis sur les résultats: les forces et les faiblesses de ces applications, ainsi que leur potentiel en tant que bases pour de nouveaux progrès. De son compte - minutieux, critique et tourné vers l'avenir - vous obtiendrez la compréhension théorique et pratique dont vous avez besoin pour renforcer votre propre rôle dans l'effort de minage Web. Caractéristiques Une exploration complète et critique des tentatives basées sur les statistiques pour donner du sens aux données Web. Détaille les défis particuliers associés à l'analyse des données non structurées et semi-structurées. Regarde comment les techniques classiques de recherche d'information ont été modifiées pour être utilisées avec des données Web. Se concentre sur les méthodes d'apprentissage dominantes actuelles: regroupement et classification, analyse d'hyperliens et apprentissage supervisé et semi-supervisé. Analyser les applications actuelles pour la découverte de ressources et l'analyse de réseaux sociaux. Un excellent moyen de présenter aux étudiants les applications particulièrement importantes de la technologie d'exploration de données et d'apprentissage automatique.
Note de contenu :	Sommaire Part I Infrastructure Crawling the Web Web search Part II Learning Similarity and clustering Supervised learning for text Semi-supervised learning Part III Applications Social network analysis Resource discovery The future of Web mining
Côte titre :	Fs/19797